금융 AI가 놓치던 두 종류의 신호
기업 실적 발표에서는 EPS·매출의 예상치 대비 차이 같은 숫자가 먼저 나오고, 30~90분 뒤 컨퍼런스콜에서 경영진의 어조, 가이던스와 질의응답이 추가됩니다. 금융경제학은 주로 전자를, 자연어처리 연구는 후자를 분석해 왔지만 예측 목표와 평가 방식이 달라 직접 비교가 어려웠습니다.
연구진은 이 간극을 줄이기 위해 EarningsInOne을 제시했습니다. 이 데이터셋은 2022~2025년 S&P 1500 기업을 대상으로 실적 뉴스, Earnings Call Transcript, 장중과 익일 주가를 시간 순서에 맞게 연결합니다.
연구가 보고한 핵심 패턴
- EPS·매출 서프라이즈 같은 정량 신호는 발표 직후 가장 강했고 다음 거래일 개장 전후에는 대부분 가격에 반영됐습니다.
- 컨퍼런스콜의 정성적 감성 신호는 다음 거래일에 더 강하게 나타났습니다.
- 기존 NLP 평가가 방향성 수익보다 변동성 오차를 최적화해 언어 신호의 거래 방향성을 가렸을 수 있다고 연구진은 주장합니다.
핵심은 “AI가 주가를 예측한다”가 아니라, 서로 다른 시점에 도착하는 숫자와 언어를 같은 거래·평가 틀에서 비교해야 한다는 방법론적 제안입니다.
활용 가능성과 한계
이 자료는 실적 분석 에이전트, 공시 요약, 이벤트 기반 금융 NLP 벤치마크를 만드는 데 유용할 수 있습니다. 그러나 arXiv 프리프린트이며 동료평가가 완료된 논문이 아닙니다. 2022~2025년 미국 대형·중형주 표본의 결과가 다른 국가나 시장 국면에 그대로 적용된다고 볼 수 없습니다. 거래비용, 데이터 지연과 실제 체결 가능성도 백테스트 성과를 낮출 수 있습니다.
독자가 확인할 점
후속 버전의 데이터 공개 범위, 생존편향과 시간 정렬 방식, 거래비용 반영, 독립 재현 결과가 중요합니다. 연구 결과는 특정 종목이나 전략의 수익을 보장하지 않으며 이 글은 투자 권유가 아닙니다.